TEKNIK DAN ANALISIS DATA GEOGRAFI

Nama : Astika
Nim : 1815141017
Prodi : Geografi Sains

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MAKASSAR

2020
 STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data
yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas.
Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan
metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu
agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik. 

Contoh metode statistik parametrik 

a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik:

- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik : 

Keunggulan :

1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji
dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen.

Kelemahan :

1.  Populasi harus memiliki varian yang sama.

2.  Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3.  Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal
dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang
ditimbulkan.

STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-syaratnya
yang mengenai parameter-parameter populasi yang merupakan induk  sampel penelitiannya.
Oleh karena itu observasi-observasi independent dan variabel yang diteliti pada dasarnya
memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran adalah prosedur
pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran
populasi yang mendasarinya kecuali selama itu kontinu.
 Pendeknya: Statistik Non-Parametrik adalah yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang
umumnya tidak berdistribusi normal. 

Contoh metode statistik non-parametrik (selengkapnya dapat dilihat disini) :

a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Ciri-ciri statistik non-parametrik :
-  Data tidak berdistribusi normal 

- Umumnya data berskala nominal dan ordinal

- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil 

Keunggulan dan kelemahan statistik non-parametrik :  

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.

2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik  karena ststistika
non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang
secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi,
tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

 2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti
pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati
eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok
tertentu. (Khairul Amal)

Dalam implementasi, penggunaan prosedur yang tepat merupakam tujuan dari peneliti.
Beberapa parameter yang dapat digunakan sebagai dasar dalam penggunaan statistik non
parametrik adalah:

1. Hipotesa yang diuji tidak melibatkan parameter populasi. 

2. Skala yang digunakan lebih lemah dari skala prosedur parametrik. 
3. Asumsi-asumsi parametrik tidak terpenuhi.
4.  Uji-uji Dalam Statistika Non Parametrik
5. 2.2.1    Test For Binary Sequences
6. Terjadinya peristiwa secara random atau acak merupakan sesuatu yang penting dalam
analisis ststistika. Dalam prosedur statistik parametrik asumsi yang harus dipenuhi
adalah bahwa sampel yang kita miliki adalah sampel random. Jika sampel
kerandoman dari sebuah sampel diragukan, maka kita perlu satu cara atau prosedr
untuk mengetahui sifat tersebut seblum analisis selanjutnya dikerjakan. Proses
penyidikan kerandoman akan didasarkan pada banyaknya runtun (bariasan
peristiwa,item, atau symbol dari bentuk yang berbeda) yang muncul dari data.
Kerandoman suatu rangkaian akan diragukan kalau banyaknya runtun terlalu besar
atau terlalu kecil. 
7. Prosedur Pelaksanaan Uji Random
1. Merumuskan hipotesis nol dan hipotesis alternative (H0 dan H1).
2. Menentukan taraf keberartian ( ).
3. Menentukan bentuk statistik uji (ststistik hitung).

4.   Menghitung jumlah deret (r).

4. Menghitung frekuensi kejadian (n1 dan n2).

Mghitung nilai ststistik uji.
5. Menarik kesimpulan ststistik (tolak atau terma H0)
6. Penarikan Kesimpulan Statistik
7. Untuk ukuran sampel n1 dan n2 masing-masing > 20
8. Uji random ini akan mengkonversi banyaknya run kedala statistik Z dengan
pendekatan distribusi nomal.
9. Pengujian dilakukan dengan bentuk
10. §      H0 : urutan objek random
11. H1 : urutan objek tidak random
12. §       = …..%
13. §      Daerah kritis
14. (Gambar grafik dua sisi dengan  :  /2)
15. §      Statistik hitung

16. Z =                                                                                                                   
17. Dimana : r = banyaknya run

18.  = mean =                                                                                             

19. standar deviasi =                                                      

20. §      Kesimpulan
21. 2.                       Untuk ukuran sampel n1 dan n2 masing-masing   20
22. Pengujian dilakukan dengan bentuk :
23. ·                         H0 : urutan objek random
24. H1 : urutan objek tidak random
25. ·                         Tentukan banyaknya run (r), n1,dan n2
26. ·                         Tentukan nilai kritis r dari tabel harga-harga kritis r dalam tes run
27. ·                         Kesimpulan
28. Terima H0, jika r observasi   nilai kritis atau r observasi   nilai kritis
29. 2.2.2    Uji Wilcoxon
30.           Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua
buah rataan populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan
perbedaan antara populasi. Dengan kata lain, uji peringkat bertanda wilcoxon
digunakan jika besaran maupun arah perbedaan relevan
31. Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari dua sampel yang berkait.
32.
33. §      Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan
34. 1.                       Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
35. 2.                       Memilih tarap keberartian ( ).
36. 3.                       Menentukan daerah kritis W (bila dist Z digunakan).
37. 4.                       Menyusun peringkat tanpa memperhatikan tanda.
38. 5.                       Pemberian tanda atas peringkat yang telah ditetapkan.
39. 6.                       Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
40. 7.                       Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0
atau terima H0)
41. §      Penarikan Kesimpulan Statistik
42. Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat
meggunakan tabe harga-harga kritis W dalam uji jenjang bertanda data
berpasangan wilcoxon khususnya untuk sampel kecil, juga dapat menggunakan
pendekatan distribusi normal. Sedangkan untuk sampel besar digunakan
pendektan distribusi normal.
43. Pengujian dilakukan dengan langkah-langkah sebagai berikut
44. §      Hipotesis
45. -                          Satu sisi
46. H0 :W(+) = (-)
47. H1 : W(+) > (-)
48. H0 :W(+) = (-)
49. H1 : W(+) < (-)
50. -                          Dua sisi
51. H0 :W(+) = (-)
52. H1 : W(+) ≠ (-)
53.               Dimana :
54. W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda positif
55. W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
negatif
56. §      α = …%
57. §      Daerah kritis
58. A.                     Tabel Wilcoxon
59. -                      Jika harga W adalah sama dengan atau kurang dari harga yang
diberikan dalam tabel, untuk satu tingkat signifikasi tertentu dengan N tertetu,
maka tolak H0.
60. -                      Jika harga α hit yang diperoleh dari tabel (dengan N dan W
tertentu) adalah sama dengan atau kurang dari harga yang telah ditentukan,maka
tolak H0
61. B.                     Distribusi Normal
62. Dari nilai Zhit yang diperoleh tentukan nilai peluang (P) padanannya, untuk tes
dua sisi kalikan dua P, bila P sama dengan atau kirang dari α, maka tolak H0.
63.
64.
65. §      Statistik hitung
66. -                          Untuk setiap pasangan nilai pengamatan (xi,yi), hitung
perbedaannya (di = xi-ui)
67. -                      Berikan peringkat terhadap perbedaan nilai pasangan pengamatan,
mulai dari peringkat 1 untuk perbedaan nilai terkecil  hingga peringkat n untuk
perbedan terbesar. Bila terdapat perbedaan nilai pasangan yang sama, perbedaan
nilai yang sama diberi nilai rata-ratanya. Bila ditemukan perbedaan nol, kita beri
peringkat 1 dengan tanda yang kemungkinanya menolak H0.
68. -                          Beri tanda (+/-) kepada peringkat yang telah dibuat.
69. -                          Hitung jumlah di yang brtanda positif (W+) dan negative (W-).
70. -                          Statistika uji peringkat bertanda wilcoxon ialah W.W yang
dipakai ialah W+ atau W- yang nilainya “lebih kecil”.
71. A.                     Menggunakan tabel-Wilcoxon
72. W+ = (semua peringkat positif)
73. W- = (semua peringkat negatif)
74. B.                     Mengunakan Pendekatan Distribusi Normal (Z)

75. Zhit =                                             

76. §      Kesimpulan
77. H0 ditolak, bila W , α hitung, atau p (normal) jatuh didalam daerah kritis.
78. 2.2.3 Mann Whiney U Test
79.             Dalam pengujian ini digunakan data dari dua sampel independen yang
masing-masing berasal dari populasi yang independent. Dua sampel masing-
masing berukuran n1 dan n2 dikatakan independent apabila pemilihan unit untuk
kedua sampel tidak saling mempengaruhi. Jadi apapun dan siapapun yang terpilih
dari sampel pertama tidak mempengaruhi pemilihan pada sampel kedua populasi
yang independent. Salah satu pengujian yang dapat dilakukan adalah pengujian
Mann-Whitney.
80.
81. §      Prosedur Pengujian Mann-Whitney
82. 1.                       Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
83. 2.                       Memilih tarap keberartian ( ).
84. 3.                       Menyusun peringkat data tanpa memperhatikan katagori sampel.
85. 4.                       Menjumlahkan peringkat menurut tiap katagori sampel dan
menghitung ststistik U (dipilih nilai U terkecil)
86. 5.                       Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau
terima H0)
87. §      Penarikan Kesimpulan Statistik
88. §      Hipotesis
89. -                          Satu sisi
90. -                          H0 :U1(+) = U2(-)
91. -                          H1 : U1 (+) < U2 (-)
92. -                          H0 : U1 (+) = U2 (-)
93. -                          H1 : U1 (+) > U2 (-)
94. -                          Dua sisi
95. -                          H0 :U1(+) =U2 (-)
96. -                          H1 : U2(+) ≠ U1(-)
97.               Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya
diperoleh dari beberapa kali suatu skor dalam kelompok n2 mendahului skor
dalam kelompok n1 (atau sebaliknya, pilih nilai U minimum).
98. §      α = …%
99. §      daerah kritis
100. a.                       Tabel Mann – Whitney
101. -                          Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel
(dengan n2,n1 dan Umin diketahui) adalah sama dengan atau kurang dari harga α
yang telah ditentukan, maka tolak H0.
102. -                          Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama
dngan atau kurang dari harga U yang diberikan dalam tabel untuk satu signifikan
tertentu, maka tolak H0.
103.
104. b.                       Dist. Normal
105.               Dari nilai Z hit yang diperoleh tentukan nilai peluang (P) padananya,
untuk tes dua sisi kalikan dua P, bila P sama dengan atau kurang dari α, maka
tolak H0.
106. §      Statistika Hitung
107.               Statistik U yang dihasilkan dari uji ini diperoleh  dari persamaan :

108. U = n1.n2+  
                                                                                       (2.9)
109. Persamaan diatas ekivalen dengan:

110. U = n1.n2+  
                                                                                    (2.10)
111. Dimana :
112. n1= banyaknya sampel dalam salah satu grup
113. n2= bayaknya sampel dalam grup yang lain
114. R1= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n1
115. R2= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n2
116. -                          Pilih nilai U min, dari dua nilai U diatas
117. -                          Bila n2 > 20 gunakan distribusi Z

118. Zhit =  
                                                                                                           (2.11)
119. Dimana :

120. =   
                                                                                                              (2.12)

121. =   
                                                                                                                       (2.13)
122.
123. 2.2.4    Kruskall-Wallis
124.             Kruskal-Wallis test dikembangkan oleh Kruskal dan Wallis. Uji
Kruskal-Wallis adalah uji nonparametrik yang digunakan untuk membandingkan
tiga atau lebih kelompok data sampel. Uji Kruskal-Wallis digunakan
ketika asumsi ANOVA tidak terpenuhi. ANOVA adalah teknik analisis data
statistik yang digunakan ketika kelompok-kelompok variabel bebas lebih dari dua.
Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing kelompok
harus terdistribusi secara normal. Dalam uji Kruskal-Wallis, tidak diperlukan
asumsi tersebut, sehingga uji Kruskal-Wallis adalah uji distribusi bebas. Jika
asumsi normalitas terpenuhi, maka uji Kruskal-Wallis tidak sekuat ANOVA.
Penyusunan hipotesis dalam uji Kruskal Wallis adalah sebagai berikut:
H0 : sampel berasal dari populasi yang sama (µ1 = µ2 = … = µk)
Ha : sampel berasal dari populasi yang berbeda (µi = µj)
125.
Uji Kruskal Wallis harus memenuhi asumsi berikut ini:
- Sampel ditarik dari populasi secara acak
- Kasus masing-masing kelompok independen
- Skala pengukuran yang digunakan biasanya ordinal
- Rumus umum yang digunakan pada uji kruskal wallis adalah :

126.
127. Statistik uji Kruskal Wallis menggunakan nilai distribusi Chi-kuadrat dengan
derajat bebas adalah k-1 dengan jumlah sample harus lebih dari 5. Jika nilai uji
Kruskal Wallis lebih kecil daripada nilai chi-kuadrat tabel, maka hipotesis null
diterima, berarti sampel berasal dari populasi yang sama, demikian pula
sebaliknya.
128.
129. 2.2.5    kolgomorov smirnov goodness of fit test
130. Uji kecocokan dengan mengguakan Chi-kuadrat sebenarnya dirancang untuk
menguji hipotesis untuk data dalam sekala nominal. Uji lain yang dirancang untuk
menguji kecocokan data kontinu adalah uji kolmogorov-smirnov.
131.               Uji Kolmogorov-Smirnov akan didasarkan pada dua fungsi distribusi
kumulatif ; distribusi kumulatif yang dihipotesiskan dan fungsi distribusi
kumulatif dari data hasil pengamatan (F(x)).
132.               Data yang digunakan dalam pengujian ini adalah merupakan data
hasil pengamatan yang independen yang berasal dari populasi dengan fungsi
distribusi F(x) yang tidak diketahui.
133. §      Prosedur Pengujian Kolmogorov-Smirnov
134. 1.                       Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
135. 2.                       Memilih tarap keberartian ( ).
136. 3.                       Menentukan daerah kritis
137. 4.                       Menyusun hasil pengamatan mulai dari nilai pengamatan
sampai nilai pengamatan terbesar.
138. 5.                       Menentukan D maks
139. 6.                       Menentukan nilai D tabel
140. Untuk α = 0.05

141. 1,36
142. 7.                       Bandingkan nilai D yang diperoleh dengan nilai Dα dari tabel
(untuk dua sampel)
143. Terma H0 jika D<Dα
144. Tolak H0 jika D  Dα
145. 2.2.6    korelasi spearman & kendall\
146.             Uji korelasi Spearman dengan SPSS pada hakikatnya serupa dengan
secara manual. Uji korelasi Spearman adalah uji statistik yang ditujukan untuk
mengetahui hubungan antara dua atau lebih variabel berskala Ordinal. Selain
Spearman, D.A. de Vaus menyebutkan bahwa uji korelasi yang sejenis dengannya
adalah Kendall-Tau.[1] Asumsi uji korelasi Spearman adalah:
147. (1) Data tidak berdistribusi normal
148. (2) Data diukur dalam skala Ordinal.
149. Rumus uji korelasi spearman untuk jumlah sampel < = 30 adalah:

150.